, 张慧1,2
, 高吉喜3, Dillon S.Dodson4, 秦思达5, 钱建平6, 史强6, 李庆义61. 南京信息工程大学江苏省大气环境与装备技术协同创新中心, 地理科学学院, 南京 210044;
2. 生态环境部南京环境科学研究所, 南京 210042;
3. 生态环境部环境卫星应用中心, 北京 100094;
4. 美国夏威夷大学大气科学系, 火奴鲁鲁 96822;
5. 辽宁省环境科技服务中心, 沈阳 110161;
6. 铁岭市生态环境局, 铁岭 112000
收稿日期: 2020-01-20; 修回日期: 2020-03-14; 录用日期: 2020-03-14
基金项目: 国家重点研发计划（No.2017YFC0506604）；部门事业费预算项目
作者简介: 徐元畅(1996-), 男, E-mail:xdxzs@126.com
通讯作者（责任作者）: 张慧, E-mail:zhanghui@nies.org
高吉喜, E-mail:gjx@nies.org
摘要：了解大气污染物的潜在源区分布对制定污染物减排措施至关重要.本文采用HYSPLIT模型，模拟出抵达铁岭市地区72 h的主要气流轨迹，结合铁岭市2015—2018年PM2.5逐小时浓度数据资料，采用CWT方法（concentration-weighted trajectory method）对铁岭市PM2.5潜在源区浓度进行了分析，在此基础上，提出了PCWT方法（percentage concentration-weighted trajectory method），对铁岭市地区PM2.5潜在源区浓度占比及传输过程进行了定量分析.研究表明，铁岭市PM2.5来源呈现出不同的季节特征：春季PM2.5主要来源于铁岭市西北和南部地区，夏季PM2.5主要来源于铁岭市南部地区，秋季PM2.5主要来源于铁岭市西北部及东北部地区，冬季PM2.5主要来源于铁岭市西北部及铁岭市周边地区.铁岭市PM2.5主要来源于3个方向，其中来自铁岭西北方向的源区贡献值4年平均占比27.36%、东北方向占18.51%、西南方向占15.73%；铁岭及周边城市、吉林省松嫩平原、科尔沁沙地以及辽宁中部城市群、环渤海湾地区是铁岭市PM2.5的主要国内源区；俄罗斯、蒙古、朝鲜是铁岭市PM2.5的主要国外源区，且近几年有增加趋势.研究成果对建立铁岭市生态环境管控分区，制定有效防治大气污染措施有重要的科学支撑作用.
关键词：HYSPLIT模型浓度权重轨迹PCWTPM2.5铁岭
Analysis of potential source of PM2.5 pollution in Tieling City from 2015 to 2018
XU Yuanchang1
, ZHANG Hui1,2, GAO Jixi3, DILLON S. Dodson4, QIN Sida5, QIAN Jianping6, SHI Qiang6, LI Qingyi61. Jiangsu Collaborative Innovation Center of Atmospheric Environment and Equipment Technology, School of Geographical Sciences, Nanjing University of Information Science and Technology, Nanjing 210044;
2. Nanjing Institute of Environmental Sciences of the Ministry of Environmental Protection, Nanjing 210042;
3. Ministry of Ecology and Environment Center for Satellite Application on Ecology and Environment, Beijing 100094;
4. Department of Atmospheric Sciences, University of Hawai'i at Manoa, Honolulu 96822;
5. Liaoning environmental science and technology service center, Shenyang 110161;
6. Tieling Ecology and Environment Bureau, Tieling 112000
Received 20 January 2020; received in revised from 14 March 2020; accepted 14 March 2020
Abstract: Reducing pollution concentrations has become a priority around the world as governments continue to push towards clean energy and environmentally friendly policies. Understanding the pollution distribution of potential sources is critical to the formulation of pollutant reduction measures for the future. Here,HYSPLIT modeling is used to simulate the 72-hour backward trajectory of pollution that is advected into Tieling City. Concentration-weighted Trajectory (CWT) was used in combination with hourly PM2.5 data from 2015—2018. Based on CWT,a new method,the percentage concentration-weighted trajectory method (PCWT) is proposed to quantitatively analyze the concentration of pollution from potential source regions and the transmission process in relation to these source regions. Results indicate that the sources of PM2.5 in Tieling City display significant seasonal variability. The highest concentrations of PM2.5 are transported from the northwest and south of Tieling City in the spring,from the south in the summer,from the northwest and northeast in autumn,and from the northwest and surrounding area (suburbs) in the winter. Furthermore,PCWT analysis indicates that PM2.5 in Tieling city displays good agreement with the CWT results. PM2.5 from the northwest,northeast,and south of Tieling City accounted for 27%,19% and 16% of the total PM2.5,respectively. Local and surrounding cities and areas (Songnen Plain,Horqin Sandy Land,Central Liaoning Urban Agglomeration,and Bohai Bay area) are the main domestic sources of PM2.5 in Tieling City,while Russia,Mongolia,and North Korea are the main foreign sources of PM2.5,with their ratios increasing rapidly in recent years.These results have important significance for the establishment of the Tieling ecological environmental control zone,and the effective prevention and control measured of air pollution.
Keywords: HYSPLIT modelconcentration weighted trajectoryPWCTPM2.5Tieling
1 引言(Introduction)近年来, 我国大气颗粒物来源呈现区域性特征, 大气颗粒物区域输送逐渐成为研究的热点.国内外****常采用两种方法研究污染物的区域间传输：①wrf-chem/ wrf-CALPUFF/ wrf-CMAQ等基于排放源清单的空气质量模型模拟方法(崔晨, 2015;常嘉成等, 2017;周成等, 2019), 这些方法在特定气象场、源排放、初始边界条件下, 基于物理化学过程建立模型并预测大气污染物浓度, 具有较高的可靠性和完整性, 但往往操作复杂, 同时计算结果的可信度取决于排放源清单, 清单更新不及时、参数设置的不确定性都会影响准确率(宋鹏程等, 2019).②近几年拉格朗日混合单粒子轨道模型(Hybrid Single Particle Lagrangian Integrated Trajectory model, HYSPLIT)结合潜在源贡献因子法(potential source contribution function, PSCF)、浓度权重轨迹分析(concentration- weighted trajectory method, CWT)的方法, 由于操作简便, 可在不依赖排放源清单的前提下, 进行大气污染物路径输送、输送源地的研究, 而被越来越多的****广泛使用.如李莎莎运用HYSPLIT模型和全球资料同化系统(GDAS)气象数据, 计算了2016年西安市四季代表月(1、4、7、10月)气团的24 h后向轨迹, 并利用聚类分析方法分析各月气团轨迹的代表性输送路径(李莎莎, 2017); Xiao等利用HYSPLIT模型, 对中国浑善达克地区风沙流动路径进行模拟, 得到了其轨迹延展到达中国不同区域的百分比(Xiao et al., 2017); Guan等通过2014年10月—2015年10月兰州5个空气质量监测点的PM10和PM2.5的浓度数据, 采用HYSPLIT模型分析空气颗粒物的来源地, 移动路径和对兰州沙尘暴的影响(Guan et al., 2018);赵阳等(2017)、葛跃等(2017)、王郭臣等(2016)利用PSCF、CWT分析法, 分别分析了南昌市、苏锡常地区、北京的PM2.5浓度水平、时空变化特征与来源.然而, 这些研究仅仅是找出污染轨迹或污染物来源, 并不能量化反映每个源区污染浓度之间的关系, 因此, 本研究提出PCWT(percentage concentration- weighted trajectory method)对CWT的结果进行归一化、分析每个网格的污染浓度占比, 能清晰表达每个源区网格的贡献值, 可以精细化研究外来源与本地源对铁岭市大气污染的影响, 对建立铁岭市生态环境分区管控体系, 有效防治大气污染有重要的科学支撑作用.
2 研究资料与方法(Data and methods)2.1 研究区域概况铁岭市位于辽宁省北部, 地处辽宁中部城市群, 松辽平原中段, 是吉林、黑龙江两省通往其它省市和出海港口的重要通道, 是中国的粮食主产区、优质农产品生产加工基地和新兴的煤电能源之城.铁岭市南与沈阳、抚顺毗邻, 北与吉林省四平相连, 东与抚顺市清原满族自治县、吉林省辽源市接壤, 西与沈阳市法库县、康平县及内蒙古自治区通辽市为邻.东部处于辽东山区, 中部及其南部处于辽河平原, 这样的地形导致当西南和西北污染物过境时, 受地形较高的山地阻隔, 污染物易聚集于铁岭市中西部, 不易扩散(秦思达, 2018).同时, 铁岭市毗邻科尔沁沙地, 每年春季极易受沙尘天气的影响, 且东北地区秋季焚烧秸秆、冬季燃煤情况严重.
2.2 数据来源铁岭市污染物2015—2018年逐小时PM2.5浓度资料来源于铁岭市生态环境局, 共4个监测站点：汇工街西、金沙江路北、水上乐园、银州路东段.气象资料为NCEP/NCAR提供的全球资料同化系统(Global Data Assimilation System, GDAS)再分析资料(1°×1°) 6 h ·次-1(0:00、6:00、12:00、18:00)(ftp://arlftp.arlhq.noaa.gov/pub/archives/gdas1/), 该数据包括记录时间、经纬度、气压、风向、温度等参数.本文在进行2015—2018年铁岭市潜在源区分析时将时间划分为春(3—5月)、夏(6—8月)、秋(9—11月)、冬(12月—次年2月).
2.4 HYSPLIT模式本研究采用气流轨迹HYSPLIT模型对铁岭市2015—2018年气流轨迹进行分析.HYSPLIT模型是由美国国家海洋和大气管理局(NOAA)的空气资源实验室和澳大利亚气象局联合研发的一种用于计算和分析大气污染物输送、扩散轨迹的专业模型.它是一种欧拉和拉格朗日型混合的计算模式.该模型具有处理多种气象要素输入场、多种物理过程和不同类型污染物排放源功能的较为完整的输送、扩散和沉降模式, 已经被广泛地应用于多种污染物在各个地区的传输和扩散的研究中.其平流和扩散的处理采用拉格朗日方法, 而浓度计算则采用欧拉方法.模式采用地形σ坐标, 垂直方向分为28层.
2.5 CWT方法现阶段基于HYSPLIT模型的潜在源区分析主要通过后向轨迹聚类(Trajectory Clustering)、PSCF分析、CWT分析判别源区位置及传输路径.轨迹聚类分析只反映了气流轨迹来源的方向, 而不考虑污染物的影响; PSCF只能定性分析外来输送的潜在源区位置, 不能反映污染轨迹的污染程度(杨龙誉等, 2016;蔺旭东等, 2018), 因此, 本文采用浓度权重轨迹分析法(concentration-weighted trajectory method, CWT)计算轨迹的权重浓度.在CWT分析法中, 每个网格点都有一个权重浓度, 它可以通过计算经过该网格的所有轨迹所对应的PM2.5质量浓度的平均值来实现.
计算方法如下：
 | (1) |
 | (2) |
计算方法如下:
 | (3) |
3 结果与分析(Results and discussion)3.1 HYSPLIT模型参数分析根据边界层相关研究, 在100 m高度以上大气颗粒物污染物更容易汇集(任阵海等, 2005;王凯等, 2006;曹蔚等, 2019), 故设置模拟高度10、100、300、500、1000、1500 m进行参照对比; 同时, 相关研究指出后向轨迹模拟时间设置为72 h能较好反映气流的扩散情况(王郭臣等, 2016;钤伟妙等, 2018), 故设置模拟时间为24、48、72、96、120 h.
以2018年1月为例, 分别设置后向轨迹模拟时间为24、48、72、96以及120 h, 模拟高度100 m.由图 1可知, 铁岭市1月份主要受西北气流影响, 24、48、72 h气流输送方向基本一致, 且模拟时间越长, 远距离轨迹输送距离越长.当模拟时间延长到96和120 h, 其气流输送分布与72 h类似, 但出现了明显的螺旋转向.因此, 为全面模拟对影响铁岭市的气流轨迹, 同时减小螺旋轨迹的影响, 后向轨迹模拟时间设置为48~72 h较为合适.
为研究铁岭市污染物输送通道的输送特征, 以2018年为例, 在HYSPLIT软件中分别以10、100、300、500、1000 m进行72 h后向轨迹模拟, 将轨迹点分布在0.2°×0.2°的网格中, 考察网格上经过的所有轨迹数nij的分布特征.
由图 2可以看出, 在10、100和300 m输送高度下, 铁岭市后向轨迹包括了西北气流、东北气流、西南气流以及东南气流, 随着高度增加东南气流轨迹数显著减少; 而在500、1000和1500 m输送高度下, 铁岭市后向轨迹主要以西北气流和西南气流为主, 西北气流轨迹数随高度增加而显著增加.这表明铁岭市东北、东南方向气流轨迹输送高度较低、气流轨迹运输距离较短; 东南气流、西南气流受高度影响明显, 高度越高, 东南气流轨迹越少, 西南轨迹越多; 西北气流轨迹运输距离最长, 且在不同高度上对铁岭市均有较强影响, 1000 m以上高空尤为明显.
图 1(Fig. 1)
 |
| 图 1 铁岭市2018年1月100 m 24、48、72、96、120 h后向轨迹分布特征 Fig. 1Distribution of backward trajectories over 24、48、72、96 and 120 h at 100 m in Tieling City in January 2018 |
图 2(Fig. 2)
 |
| 图 2 铁岭市2018年10、100、300、500、1000、1500 m后向轨迹分布特征 Fig. 2Distribution of backward trajectories at 10、100、300、500、1000 and 1500 m in Tieling City over 2018 |
3.2 PM2.5潜在源区浓度分析在HYSPLIT软件中进行后向轨迹模拟后, 使用MeteoInfo的TrajStat模块分别对铁岭市2015—2018年PM2.5后向轨迹进行CWT分析, 并乘以权重函数Wij得出WCWT值, WCWT值越大, 表示该网格点区域对铁岭市PM2.5浓度贡献越大.2015—2018年PM2.5后向轨迹的WCWT可以看出, 4年中2017年的污染最为严重.国内高值区主要集中于内蒙古东部、辽宁省中部、吉林省中西部以及环渤海湾城市, 国外高值区主要分布于俄罗斯、蒙古、朝鲜(图 1).铁岭市PM2.5潜在源区主要来自3个方向：西北方向的源区分布面积最广、来源最远, 72 h轨迹可追溯到蒙古国和俄罗斯境内; 西南方向的源区输送距离次之, 包括辽宁省南部、环渤海湾城市地区等; 东北方向输送距离最短, 主要分布在铁岭市周围, 包括四平市、辽源市等.
铁岭市PM2.5来源呈现出不同的季节特征：春季PM2.5来源主要分布于铁岭市西北和南部地区, 夏季PM2.5来源主要分布于铁岭市南部地区, 秋季PM2.5来源主要分布于铁岭市西北部地区, 冬季主要来源于铁岭市西北部及东北部地区.
春季, 来自西北方向的蒙古国、俄罗斯以及我国松嫩平原、科尔沁沙地是铁岭市PM2.5的主要来源, 其WCWT贡献值在50 μg · m-3以上.西北方向源区浓度值与沙尘天气有很大关联, 沙尘天气严重时(如2017年)WCWT贡献值高达100 μg · m-3; 来自西南方向的京津冀地区大范围雾霾天气带来的污染物伴随西南风从西南方向影响铁岭, 或伴随西风跨过渤海湾, 随南风从辽宁省南部沿海进入影响铁岭市, 其WCWT贡献值在50 μg · m-3以上.
图 3(Fig. 3)
 |
| 图 3 铁岭市2015—2018年PM2.5 WCWT分布 Fig. 3Distribution of WCWT method analysis in the whole year in Tieling City over 2015—2018 |
夏季, 来自铁岭市及辽宁省中部城市群的工业源及交通源是铁岭市PM2.5的主要来源, WCWT贡献值大部分在40 μg · m-3左右.来自朝鲜新义州的污染物经过丹东市, 由东南方向输送到铁岭, WCWT贡献值在50 μg · m-3左右.同时, 在夏季风的影响下, 渤海海面输送的海盐气溶胶粒子由辽宁省南部进入, 当海盐粒子处于城市污染大气中时, 会与污染物发生反应生成硫酸盐与硝酸盐细粒子, 其WCWT贡献值在50 μg · m-3左右(吴兑, 2009).
图 4(Fig. 4)
 |
| 图 4 铁岭市2015—2018年四季PM2.5 WCWT分布 Fig. 4Distribution of WCWT method analysis in four seasons in Tieling City over 2015—2018 |
秋季, 有两条明显的输送通道, 一条是来自俄罗斯-蒙古-内蒙古锡林郭勒盟-科尔沁沙地的输送, 西北风将污染物带至铁岭市, WCWT贡献值在60 μg · m-3以上, 2018年尤为明显, WCWT贡献值在80 μg · m-3以上; 一条是来自黑龙江哈尔滨市-吉林省吉林市-吉林省通化市的输送, 这可能与我国东北地区秋季秸秆焚烧和取暖用煤有关, 偏北风将污染物吹向辽宁地区(张艺璇等, 2019), WCWT贡献值在60 μg · m-3以上.
冬季, 我国北方地区能源以燃煤为主, 硫酸盐、硝酸盐、铵盐是PM2.5的主要成分, 处于西北方向的白城市、通辽市、锡林郭勒盟、兴安盟出现了WCWT贡献值在100 μg · m-3以上的区域, 这与我国北方地区盛行西北风有关, 这些区域的大气污染物随着西北风传输到铁岭.另外, 冬季静稳型天气出现频率高(李琳等, 2019), 污染物不易扩散, 铁岭市周边(四平市、松原市、辽源市、抚顺市等)的污染物对铁岭市PM2.5影响很大, 周边地区WCWT贡献值基本上都大于70 μg · m-3.
3.3 PM2.5潜在源区占比分析图 5(Fig. 5)
 |
| 图 5 铁岭市2015—2018年PM2.5主要潜在源区方向PCWT统计 Fig. 5Statistics of the main directions of PM2.5 potential source in Tieling City by PCWT method over 2015—2018 |
本研究采用PCWT方法, 对铁岭市PM2.5的潜在源区浓度占比进行进一步定量分析(图 5).根据PCWT分析, 将铁岭市PM2.5潜在源区分为8个方向, 其中主要来源以下3个方向：①西北方向源区浓度贡献值占比三者中最高, 这一方向源区包含科尔沁沙地、辽西北沙地和北方农牧交错地带, 4年平均占比27.36%, 2015—2017年持续攀升, 2017年最高达到30.01%, 2018年降低至23.92%;②东北方向源区主要来源于吉林省中西部、黑龙江省南部等周边工业、居民密集区, 4年平均占比18.51%, 2015—2017年小幅上升, 2017年最高为19.39%, 2018年降至为17.31%; ③西南方向源区包括辽宁中部城市群、环渤海城市以及京津冀地区的跨海输送, 4年平均占比15.73%, 2015年最高达17.70%, 2016—2017年持续降低, 2017年最低为13.86%, 2018年开始又有小幅上涨至14.53%.
将铁岭市PM2.5潜在源区PCWT值按照行政边界统计每个城市的PCWT平均值(PCWT总和/格点数)用来分析铁岭市PM2.5潜在源区每个地区对铁岭市的影响(图 6), 其中位于铁岭市东北方向的四平市PCWT 4年平均为3.15%, 是2015—2018年对铁岭市影响比重最高的城市; 位于铁岭市西南方向的沈阳市次之, PCWT 4年平均为3.07%;铁岭市4年PCWT平均值为3.03%;然后是铁岭市西南方向的营口市、辽阳市、鞍山市、盘锦市, PCWT 4年平均值分别为2.97%、2.95%、2.93%、2.89%;紧接着位于铁岭市西北方向的吉林省中西部的松嫩平原地区的松原市、白城市以及科尔沁沙地所在地通辽市PCWT 4年平均分别为2.82%、2.73%、2.72%.
图 6(Fig. 6)
 |
| 图 6 2015—2018年各城市PCWT平均值统计 Fig. 6Statistics of the PCWT-average in different cities over 2015—2018 |
根据2015—2018年铁岭市PM2.5的国内外潜在源区PCWT值变化趋势(图 7)可以看出, 2015—2018年铁岭市PM2.5源区虽然以国内源为主, 但4年来PCWT值由81.45%降低至65.95%;而国外潜在源区PCWT值4年内显著增加, PCWT值从18.55%增长至34.05%, 其中俄罗斯增长最明显, 由5.54%增长至11.32%, 蒙古国次之, 由3.03%增长至6.00%, 朝鲜由0.60%增长至1.46%.说明铁岭市PM2.5国内潜在源区贡献值逐年下降, 国外潜在源区贡献值逐年上升.
结合图 8可知, 国外潜在源区主要位于蒙古国东部的温都尔汗、西乌尔特、乔巴山市, 俄罗斯后贝加尔边疆区的乌兰乌德、赤塔、阿金斯科耶, 上述区域以采矿业和农牧业为主, 采矿业产生的工业粉尘(胡煜, 2016), 农牧业焚烧秸秆(刘鹏辉, 2018)以及过度放牧导致的荒漠化产生的PM2.5污染随着西北风的输送(李瑜琴等, 2005), 影响铁岭; 根据俄罗斯提出“2030年能源发展战略”增加后贝加尔区的核工业及煤炭加工业的发展力度、蒙古国提出的“矿业兴国”(李洋, 2017), 两国的产业发展政策将会加剧上述地区的污染, 未来可能进一步影响铁岭.朝鲜源区主要位于新义州特别行政区以及平壤(董付君, 2004;曹永利等, 2014), 这可能与这些地区近几年的大规模城市发展以及工业建设有关.
图 7(Fig. 7)
 |
| 图 7 铁岭市2015—2018年国内外潜在源区PM2.5 PCWT值变化趋势 Fig. 7Trend of PM2.5 potential source at home and abroad by PCWT method from 2015 to 2018 in Tieling City |
图 8(Fig. 8)
 |
| 图 8 铁岭市2015—2018年主要国外潜在源区PM2.5的PCWT值变化趋势 Fig. 8Trend of PM2.5 main potential source abroad by PCWT method from 2015 to 2018 in Tieling City |
4 结论(Conclusions)1) CWT分析结果表明, 铁岭市2015—2018年PM2.5来源呈现出不同的季节特征.春季PM2.5主要来源于铁岭市西北方向的蒙古国、俄罗斯以及我国松嫩平原、科尔沁沙地, 其次是南方向的京津冀地区.夏季PM2.5主要来源于铁岭市南部的辽宁省中部城市群, 秋季PM2.5主要来源于西北方向的俄罗斯-蒙古-内蒙古锡林郭勒盟-科尔沁沙地以及东北方向的黑龙江哈尔滨市-吉林省吉林市-吉林省通化市.冬季PM2.5主要来源于周边城市及西北方向地区.
2) 在CWT方法的基础上, 本文采用作者提出的一种新方法——PCWT方法, 对铁岭市地区PM2.5潜在源区浓度占比及传输过程进行了定量分析.研究表明, 铁岭市2015—2018年PM2.5主要来源于3个方向, 其中来自铁岭西北方向的源区贡献值四年平均占比27.36%、东北方向占18.51%、西南方向占15.73%;铁岭及周边城市、吉林省松嫩平原、科尔沁沙地以及辽宁中部城市群、环渤海湾地区是铁岭市PM2.5的主要国内源区; 俄罗斯后贝加尔边疆区的乌兰乌德、赤塔、阿金斯科耶, 蒙古国温都尔汗、西乌尔特、乔巴山市以及朝鲜新义州特别行政区、平壤是铁岭市PM2.5的国外源区, 且近四年来有明显增长趋势.
3) 研究结果表明, 由于PCWT对CWT进行了归一化, 因此, 在PCWT可以直接定量反映出外源对铁岭PM2.5占比, CWT分析可以外源对铁岭PM2.5贡献浓度值, 因此, PCWT和CWT综合使用, 可以更清晰地识别和筛选出对研究区影响相对较高的源区, 从而为研究区PM2.5防治工作提供更精确可靠的参考.
4) CWT模型可以客观评价气象因素在大气污染中的影响, 尤其在追踪大气污染物输送轨迹方面表现突出, 但是该模型未建立污染物排放量与空气质量之间的输入响应关系, 也未考虑到PM2.5的二次化学反应过程.因此, 今后如何将气象轨迹、传输过程中的排放量以及二次化学反应过程结合起来, 并应用到城市规划、产业布局等方面, 以改善城市大气环境质量, 需要进一步深入研究.
参考文献
| 曹蔚, 赵天良, 徐祥德, 等. 2019. 基于加密探空观测的成都市一次重霾污染过程中大气边界层气溶胶垂直结构分析[J]. 地球化学, (48): 1-9. |
| 曹永利, 陈凌白, 赵颖. 2014. 辽宁与朝鲜边界效应及跨边界次区域合作[J]. 时代金融, (32): 60-61. |
| 常嘉成, 赵天良, 谭成好, 等. 2017. 基于WRF-Chem模拟的玉溪市大气环境容量精细估算[J]. 环境科学学报, 37(10): 3876-3884. |
| 崔晨. 2015.基于WRF/CALPUFF哈尔滨市空气质量预测研究[D].哈尔滨: 哈尔滨工业大学. 107 |
| 董付君. 2004. 朝鲜新义州经济特区解读[J]. 国际经贸探索, (2): 43-45. |
| Gao N, Cheng M, Hopke P K. 1993. Potential source contribution function analysis and source apportionment of sulfur species measured at Rubidoux, CA during the Southern California Air Quality Study, 1987[J]. Analytica Chimica Acta, 277(2): 369-380. |
| 葛跃, 王明新, 白雪, 等. 2017. 苏锡常地区PM2.5污染特征及其潜在源区分析[J]. 环境科学学报, 37(3): 803-813. |
| Guan Q, Li F, Yang L, et al. 2018. Spatial-temporal variations and mineral dust fractions in particulate matter mass concentrations in an urban area of northwestern China[J]. Journal of Environmental Management, 222: 95-103. |
| 胡煜. 2016.矿业城市大气颗粒物中PAHs污染特征及来源解析[D].合肥: 安徽大学. 67 http://cdmd.cnki.com.cn/Article/CDMD-10357-1016122305.htm |
| Hopke P K, Gao N, Cheng M. 1993. Combining chemical and meteorological data to infer source areas of airborne pollutants[J]. Chemometrics and Intelligent Laboratory Systems, 19(2): 187-199. |
| 李琳, 高西宁, 苏航. 2019. 辽宁地区一次大范围霾天气过程成因分析[J]. 沈阳农业大学学报, 50(3): 266-272. |
| 李洋. 2017. 中蒙俄跨境区域合作中的定位与分工布局[J]. 呼伦贝尔学院学报, 25(5): 32-35. |
| 李瑜琴, 赵景波. 2005. 过度放牧对生态环境的影响与控制对策[J]. 中国沙漠, (3): 404-408. |
| 李莎莎. 2017. 利用HYSPLIT模式探析西安市大气颗粒物的输送路径[J]. 智能城市, 3(5): 62-65. |
| 蔺旭东, 赵忠宝, 曾晓宁, 等. 2018. 基于排放量权重轨迹模型的PM2.5输送分析[J]. 环境科学与技术, 41(12): 262-269. |
| 刘鹏辉. 2018. 秸秆焚烧对空气质量影响的分析[J]. 环境与发展, 30(5): 129-130. |
| Polissar A V, Hopke P K, Harris J M. 2001. Source regions for atmospheric aerosol measured at barrow, Alaska[J]. Environmental Science & Technology, 35(21): 4214-4226. |
| Polissar A V, Hopke P K, Paatero P, et al. 1999. The aerosol at Barrow, Alaska:long-term trends and source locations[J]. Atmospheric Environment, 33(16): 2441-2458. |
| 钤伟妙, 张艳品, 陈静, 等. 2018. 石家庄大气污染物输送通道及污染源区研究[J]. 环境科学学报, 38(9): 3438-3448. |
| 秦思达. 2018.基于Models-3/CMAQ模式的辽宁省大气污染特征及PM2.5区域传输研究[D].沈阳: 辽宁大学. 101 |
| 任阵海, 苏福庆, 高庆先, 等. 2005. 边界层内大气排放物形成重污染背景解析[J]. 大气科学, (1): 57-63. |
| 宋鹏程, 张馨文, 黄强, 等. 2019. 我国城市环境空气质量预报主要模型及应用[J]. 四川环境, 38(3): 70-76. |
| 王凯, 张宏升, 王强, 等. 2006. 北方地区春冬季雾天边界层结构及其演变规律的对比研究[J]. 北京大学学报(自然科学版), (1): 55-60. |
| 王郭臣, 王东启, 陈振楼. 2016. 北京冬季严重污染过程的PM2.5污染特征和输送路径及潜在源区[J]. 中国环境科学, 36(7): 1931-1937. |
| 汪辉, 刘强, 王昱, 等. 2019. 基于Model-3/CMAQ和CAMx模式的台州市PM2.5数值模拟研究[J]. 环境与可持续发展, 44(3): 93-96. |
| 吴兑. 2009. 沿海工业城市灰霾天气增多与海盐气溶胶粒子的关系[J]. 广东气象, 31(2): 1-3. |
| Xiao Y, Xie G, Zhen L, et al. 2017. Identifying the areas benefitting from the prevention of wind erosion by the key ecological function area for the protection of desertification in Hunshandake, China[J]. Sustainability, 9(10): 1820. |
| 杨龙誉, 徐浩, 张志敏, 等. 2016. 大气污染物源解析中的混合轨迹受体模型述评[J]. 城市环境与城市生态, 29(2): 27-32. |
| 张艺璇, 曹芳, 郑涵, 等. 2019. 2017年秋季长春市PM2.5中多环芳烃的污染来源及健康风险评价[J]. 环境科学, 41(2): 564-573. |
| 赵阳, 胡恭任, 于瑞莲, 等. 2017. 2013年南昌市区PM2.5的浓度水平及时空分布特征与来源[J]. 环境科学研究, 30(6): 854-863. |
